文献类型：期刊文章

作　　者：姚欣[1] 邢砾云[1] 辛平[1]

YAO Xin;XING Liyun;XIN Ping(School of Electrical and Information Engineering,Beihua University,Jilin 132000,China)

机构地区：[1]北华大学电气与信息工程学院,吉林吉林132000

出　　处：《智慧电力》

基　　金：国家自然科学基金青年科学基金资助项目(61901007)。

年　　份：2021

卷　　号：49

期　　号：12

起止页码：17-24

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对现有微电网(MG)故障诊断准确率不高,分类精度不理想等问题,提出了一种基于小波特征提取与深度学习的微电网故障诊断与分类方法。首先,采用最大重叠离散小波变换(MODWT)和母小波提取MG电力信号特征,并进行三级分解,以获得高精度的信号特征提取。然后,利用长短期记忆网络优化深度Q网络,构建深度循环Q网络(DRQN),更好地分析复杂数据且克服噪声的干扰。最后,将MODWT每个分解层次上的信号分量能量输入DRQN,实现故障的诊断和分类。基于MATLAB环境搭建MG系统仿真模型对所提方法进行实验论证,结果表明使用高采样频率和电流、电压信号时,诊断性能最佳,分类准确率超过91%。同时,所提方法在11种故障类型和4种场景下的分类准确率均超过90%,优于其他对比方法。

关 键 词：微电网 故障诊断 故障分类  最大重叠离散小波变换  深度循环Q网络  长短期记忆网络  特征提取

分 类 号：TM733]